近日，順豐與菜鳥一事刷屏物流圈，為何順豐、菜鳥都這么看重數據，以下國外物流大數據案例盤點，或許會給大家啟發。

　　近幾年全球物流迎來的新的變革，移動互聯和大數據成為推動新變革的核心引擎。今天的中國物流，在電子商務和互聯網經濟的推動下，物流運營也正在從粗放的傳 統物流管理逐步向數據化、可視化的現代物流轉型。本章節全面梳理國外領先的現代物流企業在移動互聯和大數據方面的技術應用案例，對于互聯網時代的中國物流企業來說，有著重要的學習和參考價值。

　　在國外領先企業中DHL應用大數據加快了自身反應速度，分析客戶數據做精準服務；UPS通過大數據調整了配送策略節省了大量燃油成本: FleetRisk Advisors可對車隊管理做全程監控，甚至能覺察到司機的心理變化…眾多歐美物流企業在大數據應用方面都有創新之處，為了讓國內物流行業人士更多的了解大數據能給物流行業帶來的價值，漢森世紀供應鏈行業研究中心匯總了歐美物流領域大數據應用八大案例，希望能給行業人士帶來幫助。

一、DHL

　　DHL是全球最大的速遞貨運公司之一。DHL的快運卡車特別改裝成為Smart truck，并裝有摩托羅拉的XR48ORFIO閱讀器，每當運輸車輛裝載和卸載貨物時，車載計算機會將貨物上RFID傳感器的信息上傳至服務器，服務器會在更新數據之后動態運算出最新最優的配送序列和路徑。另一方面，在運送途中，遠程信息外理數據庫會根據即時交通狀況和GPS數據實時更新配送路徑，做到更精確的取貨和交貨、對隨時接收的訂單做出更靈活的反應以及向客戶提供有關取貨時間的精確信息。

　　DHL通過對末端運營大數據的采集，實現全程可視化的監控，實現最優路徑的調度，同時精確到每一個運營節點。

此外，擁有Crowd-based手機應用程序的顧客可以實時更新他們的位置或者即將到達的目的地，DHL的包裹配送人員能夠實時收到顧客的位置信息，防止配送失敗。甚至按需更新配送目的地。

　　此外，擁有Crowd-based手機應用程序的顧客可以實時更新他們的位置或者即將到達的目的地，DHL的包裹配送人員能夠實時收到顧客的位置信息，防止配送失敗。甚至按需更新配送目的地。

　　二、FedEx

　　FedEx是世界最大的快遞集團之一，聯邦快遞甚至可以讓包裹主動傳遞信息。通過靈活的感應器，諸如SenseAware可以實現近乎實時的反饋，包括溫度、地點和光照，使得客戶在任何時間都能了解到包裹所處的位置和環境。而司機也可在車里直接修改訂單物流信息。除此以外，聯邦快遞正在努力推動更加智能的遞送服務，實現在被允許的情況下實時更新和了解客戶所處的地理位置，使包裹更快速和精確的送達客戶的手中一一無論何時何地。當然，可以推測FedEx現在只是處于數據收集階段，將來可能會根據收集到的歷中數據和實時增量數據，通過大數據解決方案解決FedEx更多的問題，提升競爭力。

FedEx通過SenseAware 實現包裹信息的實時反饋，包括溫度和濕度等，實現任何時間都能了解到包裹所處的位置和環境。

　　FedEx通過SenseAware 實現包裹信息的實時反饋，包括溫度和濕度等，實現任何時間都能了解到包裹所處的位置和環境。

　　三、UPS

　　UPS通過大數據實現配送末端最優路徑的規劃，同時提出盡量右轉的配送策略，實現每年節省5千萬燃油成本，并增加35萬包裹配送。

　　UPS特有的基于大數據分析的ORION系統通過聯網配貨機動車的遠程信息服務 系統，實時分析車輛、包裹信息、用戶喜好和送貨路線數據，實時計算最優路線， 并且全程通過GPS跟蹤信息。

　　UPS最著名的大數據分析案例就是送貨卡車不能左轉。根據ORION系統分析：左轉會導致貨車在左轉道上長時間等待，不但增加油耗，而且發生事故比例也會上升，所以UPS基于城市車流大數據繪制了“連續右轉環形行駛”的送貨路線圖， 實現高效配送。

到2017年旗下的每一位司機都參與該項目之后，只需讓每位司機每日送貨路程都因此而縮減1英里，每年就可節省5，000萬美元成本。ORION以后也將預測 惡劣天氣、交通狀況，并評估會造成司機送貨路線上的行程放緩的其他變數，增加配送效率。

　　到2017年旗下的每一位司機都參與該項目之后，只需讓每位司機每日送貨路程都因此而縮減1英里，每年就可節省5，000萬美元成本。ORION以后也將預測 惡劣天氣、交通狀況，并評估會造成司機送貨路線上的行程放緩的其他變數，增加配送效率。

　　四、FleetBoard

　　FleetBoard與梅賽德斷奔馳一樣是截姆勒集團旗下子公司，致力于通過大數據處理為物流行業容戶提供遠成信息化車隊管理解決方案。

　　通過大數據解決方案實現數據采集和全程監控，包括駕駛司機的駕駛動作、車輛溫度、車門打開等細節。

　　車輛上的終端通過移動通信系統與Fleetboard的服務器建立聯系，互換數據。物流公司或車隊管理者可直接訪問GPS以及其他若干實時數據，如車輛行駛方向。停車/行駛時間和裝/卸貨等信息。此外，通過計算駕駛員急加速、急剎車的次數、經濟轉速區行駛時間和怠速長短等信息，通過數據的對比更有說服力，可以直接的幫助駕駛員發現駕駛命令中的問題并改進提高。

對于冷鏈運輸的用戶，Fleetboard有專門的數據管理系統、實時監測冷藏車的溫度、車門是否打開等情況，自動向手機或電子郵箱發送警示信息。

　　對于冷鏈運輸的用戶，Fleetboard有專門的數據管理系統、實時監測冷藏車的溫度、車門是否打開等情況，自動向手機或電子郵箱發送警示信息。

　　五、Con-Way

　　Con-WayFreight是全球貨物運輸和物流中的龍頭企業，提供零擔運輸、第三方物流和大宗貨物運輸等服務，范圍覆蓋了全美以及北美五大洲的18個國家。但是營運過程中產生的海量非結構化數據十分考驗公司對于數據的提取速度、分析的效率和精確度。

　　而大數據解決方案使得Con-way Freight的高管們能夠在開會時，不管誰提出什么問題，系統總能夠集成實時增量數據，根據詢問和處理非結構化數據快速得出準確的答案。Ad-Hoc使得公司可以定義需要監控的配送流程，預測商業活動內部和外部因素的影響以及為CRM和營銷計劃提供消費者劃分。甚至可以定位到任何一位客戶，實時分析送達率和具體的貨運損失等信息。而Scorecarding能夠將原定目標和實時表現進行對比，使Con-wayFreight能夠隨時根據對比結果全面凋整和提高運營表現。

Con-wayFreight 后臺高管在開會時，能夠通過大數據解決方案快速得出準確的數據報告，做出恰當及時的運營決策。

　　Con-wayFreight 后臺高管在開會時，能夠通過大數據解決方案快速得出準確的數據報告，做出恰當及時的運營決策。

　　六、Yellow Buses

　　Yellow Buses是英國伯恩茅斯地區的公共交通系統運營商，隸屬于巴黎大眾運輸公司。公共交通系統運營商對于大數據的使用一樣能夠帶來奇效。

　　通過對歷史運營數據和實時增量數據的分析，掌控和管理每個車輛的運營數據，優化運營路線和發車頻率。

YellowBuses根據對公司現有的歷史數據進行分析，并在實時更新的數據基礎上進行評估，能夠詳細的掌控和管理公司旗下每一輛公交車。通過及時獲職最需要的數據，如維護成本、故障頻率、燃料成本和運行路線等，Yellow Buses能夠將這些數據與乘客數量、票價、發車頻率等實時數據一起分析評估，優化公交路線和發車頻率，有效的降低成本，提高服務質量，增加利潤。

　　YellowBuses根據對公司現有的歷史數據進行分析，并在實時更新的數據基礎上進行評估，能夠詳細的掌控和管理公司旗下每一輛公交車。通過及時獲職最需要的數據，如維護成本、故障頻率、燃料成本和運行路線等，Yellow Buses能夠將這些數據與乘客數量、票價、發車頻率等實時數據一起分析評估，優化公交路線和發車頻率，有效的降低成本，提高服務質量，增加利潤。

　　七、C.H.Robinson

　　羅賓遜，北美最大的第三方物流公司，擁有全美最大的卡車運輸網絡，卻沒有一輛貨車。它輕資產的運營，用1.5億美元的固定資產，創造了114億美元的收入、4.5億美元的利潤。

　　它的新生始于1997年的商業模式變革，主動放棄了自有貨車，建立了專門整合其他運輸商的物流系統，通過系統對社會資源進行整合，從而建立的平臺經濟。羅賓遜的平臺模式由三部分構成：1.TMS平臺，用來鏈接運輸商；2.“導航球”Navisphere平臺，用來連接客戶；3.做支付的中間賬戶，同時提供咨詢服務。2012年支付服務帶來大約五億美元的凈收入，咨詢服務帶來了12億美元的收入。

　　羅賓遜通過系統的兩大平臺：導航球（Navisphere）和TMS平臺，對接客戶群和運輸商，沉淀形成的大數據庫可支持羅賓遜的增值服務。

客戶通過導航球(Navisphere)找車，TMS平臺對接運輸商，通過系統上的兩大平臺來實現客戶與運輸商的對接，整個交易平臺上沉淀下來的數據可以支持羅賓遜的金融支付業務和咨詢業務。

　　客戶通過導航球(Navisphere)找車，TMS平臺對接運輸商，通過系統上的兩大平臺來實現客戶與運輸商的對接，整個交易平臺上沉淀下來的數據可以支持羅賓遜的金融支付業務和咨詢業務。

　　八、FRA

　　FleetRiskAdvisors為運輸行業提供預測分析和風險預防或補救解決方案。FRA根據歷史數據和實時增量數據得出司機工作表現模型和若干預測模型，能夠準確的預測可通免的事故、員工流動等問題。如根據司機實時的工作表現波動情況，預測司機疲勞程度和排班安排等，為客戶提供合理的解決方案以便提高司機安全系數，此外還能根據司機和機動車的實時狀況預測可能發生的風險，并及時提供預防或補救解決方案。

FleetRiskAdvisors通過大數據解決方案得出司機工作表現模型若干預測模型，解決了事故發生率和人員流動等人事部門的問題。

　　FleetRiskAdvisors通過大數據解決方案得出司機工作表現模型若干預測模型，解決了事故發生率和人員流動等人事部門的問題。